基于贝叶斯网络的现货市场化交易用户电能量预测

为提升电能量预测准确性,研究基于贝叶斯网络的现货市场化交易用户电能量预测方法。利用主成分分析降维处理用户电能量数据;以余弦相似度为降维后数据聚类的形态度量相似判据,建立用户电能量特征库;利用评分搜索与期望最大化算法确定贝叶斯网络结构与学习网络参数,建立贝叶斯网络模型,在该模型内输入特征库内的数据,输出电能量预测结果。实验证明:该方法可精准聚类用户电能量数据曲线,精准预测用户电能量;该方法网络参数学习时的相对熵距离较小,具备较优的网络参数学习效果。

基于云—雾计算的智能电网监控研究

为了提高电力系统服务质量,在研究了物联网、电压分布监测和功率损耗等技术基础上,设计了一种基于云—雾计算的智能电网监控系统。系统中雾计算节点能够对从输电线路、配电变电站和消费者收集的物联网数据进行预处理,并将处理后的数据发送到云或直接发送到服务应用程序,从而满足智能电网通信所需的数据速率、延迟和可靠性要求。通过仿真实验,从初始化、执行和终止的总时间来看,基于云—雾的方法比基于云的方法快2.5倍,且雾计算层可以极大地减少发送到云的信息量。

基于混合高斯模型的电费资金全过程监控系统

为提高电费资金数据监控的完整性,设计基于混合高斯模型的电费资金全过程监控系统。系统设计为三个层次,其中,支撑层是采集和集成电费信息及电费资金信息,存储至数据库;业务层是全面分析电费资金数据,发送至管理层;管理层是构建高斯混合自回归模型,实现电费资金全过程监控。测试结果表明:系统的电费资金数据存储的完整性均在0.95以上,资金沉淀率为0.5%左右。